接上一篇《Python 宏观经济实证 · 数据清洗 (1)》本篇承接上一篇数据清洗内容：(1) 通过 Excel 操作与 Python 代码两种方式，对补全后的完整数据进行四则运算，生成匹配研究维度的初始指标；(2) 对规整的初始指标数据集进行标准化/归一化处理，最终得到可用于后续研究的“标准数据”。“数据清洗”部分完整源码 .ipynb 文件（包括：缺失值处理、特征工程、标准化 / 归一化）已在资源处挂载，需要的朋友可自行下载。四、四则运算补全得到完整数据后，我们需要按照公式生成能够衡量 Economy_1 的初始指标。原始数据有些可以直接使用，有些需要经过四则运算才能匹配衡量维度。比如：RD经费投入（可以直接使用），移动基站覆盖率 = 移动基站个数 ➗ 行政区域土地面积（需要进行四则运算）。那么，就介绍两种比较常用的方法：1. Excel 表格计算 步骤一：打开需要处理的表格； 步骤二：点击结果存储所在列的单元格（紧接着用于记录指标名称的第一行）； 步骤三：点击函数框，通过鼠标点击单元格、键盘输入运算符号的方式计算出一个数据；步骤四：鼠标移到刚刚计算出数据的单元格右下角，标识变 “十” 字的时候下拉，直到本列数据末尾，这样就能够将公式应用到下拉范围内的所有单元格中，得出相应的计算结果； 步骤五：对计算好的列复制（Ctrl + C）→ 点击需要粘贴到的列 → 右键 → 点击 “粘贴为数值”，这样就不会受公式中对应单元格数据变动影响（因为源数据处理完，在 “初始指标” 表格中要删除）； 步骤六：